本项目在压缩感知(CS)的理论、技术和应用取得一批成果。理论成果:①发明了任意方向非均匀滤波器组和任意方向提升小波技术,为CS中图像最佳稀疏表示提供了新途径;②揭示出CS混叠采样特征解耦核心思想,基此建立了亚奈奎斯特低速采样超宽雷达信号及其目标检测处理新框架;③创造性地提出了码调制的运动随机曝光,解决了CS中观测矩阵的构造问题,为高分辨率成像提供了崭新的方法;④提出了余弦调制非均匀滤波器组,为模拟信号的稀疏分解研究打开思路。技术成果:①提出了基于提升的高效折叠结构,为CS理论的硬件电路实现提供可能;②研究了正交级联字典下的分组匹配追踪算法,保证了CS中信号稀疏分解的有效性和快速性;③基于CS理论,提出了用少量天线观测数据实现高分辨参量估计的技术和快速重建技术。应用成果:①将CS理论运用到图像高分辨重建中,解决了图像从低分到高分辨转换问题;②针对弱信道下的通信问题,提出了基于CS的低复杂度和抗误码能力高的多描述编码器。共发表论文46篇,其中IEEE (TIP TSP TCS TCSVT TASE SPL) 期刊9篇,其它国际期刊2篇,并获最佳论文奖。
英文主题词Compressive sensing;sparse decomposition;information sampling; multiple description coding